项目

‘小小美学枢纽’将台湾一所中学的门厅改造为共享的空间核心，使交通流线本身成为学习过程的主动组成部分。该项目并未将门厅仅视为通行通道，而是将其重新定义为支持非正式学习、集会及日常互动的灵活环境。

上述要素协同作用，可发现软件漏洞、识别利用方式并构建补丁。收益与风险均源于这一组合方案，而非任一单一模型。这一点至关重要，因为其他方亦可构建类似系统。嵌入于具备深厚安全专业知识系统的较小规模模型，或能以更低成本实现相近效果，这对防御尤为有利。人工智能网络安全能力呈‘锯齿状’：其能力并不随模型规模或通用基准测试性能的提升而平滑增长。

班加罗尔是一座具有多重身份特征的城市。该市的气候、舒缓的生活节奏以及富有肌理感的街区，赋予了人们使用空间的方式以人文特质。然而，随着大量缺乏个性、单调冰冷的玻璃幕墙建筑涌入，多数办公空间仅被动地映射其所处建筑的匿名性。

出版日期：2026年5月 来源：《国际应用地球观测与地理信息学杂志》（International Journal of Applied Earth Observation and Geoinformation），第149卷 作者：李聪聪、金素明

车辆编队（platooning）作为一种通过多车协同运行提升交通效率、降低能耗及增强道路安全性的潜在技术路径，正受到日益增长的关注。编队控制的关键挑战在于动态操作（如换道）过程中维持稳定且精确的路径跟踪：领航车产生的横向偏差与航向扰动可能向后传播至跟随车辆。因此，鲁棒的纵向与横向控制系统不仅对单车跟踪性能至关重要，也直接影响整个编队的稳定性。为开展实验研究，智能移动与机器人实验室（IMRL）开发了一种用于自主编队研究的缩比多车平台，重点聚焦于协同控制与人在环路（human-in-the-loop）自主性。该平台由一辆人工可操控的领航车和两辆自主跟随车组成，支持对领航-跟随协调机制进行可控且可重复的实验。相较于全尺寸实地测试，该缩比平台提供了更安全、成本更低、灵活性更高的实验环境，适用于快速原型开发、控制器验证及多智能体自主性研究；同时，其物理真实性显著优于纯仿真评估。

迄今发射入轨的最强大雷达系统之一，对全球沉降速度最快的首都之一——墨西哥城——的地表形变进行了测绘。研究结果表明，NISAR（NASA-ISRO合成孔径雷达）卫星能够快速、可靠地从轨道上实时监测地球表面变化，且不受云层或植被遮挡影响[…]

在中低收入国家的卫生系统中，一个关键挑战是稀缺资源（尤其是基本药物）的高效且公平分配。由于高质量数据有限，传统数据驱动方法的应用受到限制。本文提出一种新型决策感知机器学习框架，用于基本药物分配；该框架进一步结合多任务学习以提升样本效率，并引入催化先验（catalytic priors）以保障分配的公平性。

出版日期：2026年5月；来源：《国际应用地球观测与地理信息学杂志》（International Journal of Applied Earth Observation and Geoinformation），第149卷；作者：胡庆峰、卢伟强、刘文凯、崔西敏、冯瑞民、陈守凯、尹伟博、陈西东、张子睿、刘子林、何佩佩、马凯峰、朱丹彤、王鹏、马唐静、李世明、刘金平、吴启帆、张辉

该两党联合提案旨在使公共交通项目与高速公路项目在《国家环境政策法》（NEPA）许可程序中享有同等地位。

环境、社会与经济挑战对可持续发展构成制约。理解底层复杂互联系统所涌现的集体动力学，是预测过程演化与防范系统失效的关键。这需要整合数据驱动方法、计算建模与概念性理论进展，并融合来自多个不同学科的具体洞见。本文综述了基础设施系统集体动力学分析的最新进展，重点关注电力能源供应与可持续交通系统。

ReasoningBank 是一种新型智能体记忆框架，利用成功与失败的经验提炼出可泛化的推理策略，使智能体在部署后能够持续从经验中学习。智能体在应对复杂现实世界任务（如通用网页导航及辅助大规模软件工程代码库）中正变得日益关键。

AI Sheets 是一款无需编写代码的工具，用于构建、转换和丰富数据集，支持（开放）AI 模型。该工具与 Hugging Face Hub 及开源 AI 生态系统深度集成。AI Sheets 采用类电子表格的简易用户界面，易于上手；其设计以快速实验为核心，鼓励用户先从小规模数据集入手，再逐步运行耗时或高成本的数据生成流水线。

从检索增强生成（RAG）与智能体（agents）到推荐系统，众多 AI 应用的性能从根本上受限于搜索与检索的质量。因此，准确衡量嵌入模型（embedding models）的检索质量，成为开发者的普遍痛点。你如何真正了解一个模型在实际场景中的表现？这正是问题棘手之处。当前的评估标准通常依赖模型在公开基准测试上的“零样本”（zero-shot）性能。

本文探讨了 OpenEnv 在实践中的运行机制、为何日历系统可作为真实世界智能体评估的有力基准，以及我们的研究发现所揭示的当前工具调用型智能体的局限性。OpenEnv 是一种面向真实系统（而非仿真环境）评估 AI 智能体的框架，它提供了一种标准化方式，将智能体接入真实工具与工作流，同时保持一致且可靠的评估所需的基础结构。

任务描述、评估框架、错误分析、结论。试用 VAKRA——您的智能体在何处失效？我们近期推出了 VAKRA，这是一个以工具为依托、可执行的基准测试，用于评估 AI 智能体在类企业环境中的推理与行动能力。

融入城市——上海市普陀区武宁中学（现名：同济大学第二附属中学）迁建与扩建项目。该项目位于上海市普陀区东新路186号，地处上海内环线以内，周边为高密度居住社区；北侧紧邻轨道交通3号线及内环高架路，交通流量大、建筑密度高。经相关城市规划主管部门论证，决定采用土地置换策略，将学校整体由地块西北侧迁至东南侧。该策略将为一所现代化、40班规模的完全中学提供高效集约的校园空间。

在空间与时间维度上获取高分辨率数据，对建设气候韧性城市至关重要。当前用于监测城市参数的数据集主要依赖人工巡检、嵌入式传感、遥感或标准街景影像（RGB）。这些方法及对应数据集分别受限于可扩展性差、时空分辨率不一致、视角为俯视或光谱信息匮乏等问题。本文提出一种新方法及其开源实现：一种多光谱地面视角数据集，可规避上述限制。该数据集包含 17,718 张街景多光谱影像，使用安装于自行车上的 RGB、近红外（Near-infrared）和热红外（Thermal）传感器，在荷兰多种城市形态（村庄、小镇、小城市及大型城区）中采集。本工作高度重视数据校准与质量控制，并详尽提供了数据采集方法（包括硬件与软件细节）。据我们所知，Spectrascapes 是首个同类开源数据集。最后，我们展示了该数据集支持的两个下游应用案例，并指出了其在机器学习、城市规划与遥感领域的潜在研究方向。

在空间与时间维度上获取高分辨率数据，对建设气候韧性城市至关重要。当前用于监测城市参数的数据集主要依赖人工巡检、嵌入式传感、遥感或标准街景影像（RGB）。这些方法及对应数据集分别受限于可扩展性差、时空分辨率不一致、仅提供俯视视角或光谱信息匮乏等问题。本文提出一种新方法及其开源实现：一种多光谱地表视角数据集，旨在克服上述局限。该数据集包含17,718张街景多光谱影像，由安装在自行车上的RGB、近红外（Near-infrared）和热红外（Thermal）传感器在荷兰多种城市形态（村庄、小镇、小城市及大型城区）中采集。我们在数据校准与质量控制方面严格把关，并详尽提供了数据采集方法（包括硬件与软件细节）。据我们所知，Spectrascapes 是首个同类开源数据集。最后，我们展示了该数据集支持的两个下游应用案例，并指出了其在机器学习、城市规划与遥感领域的潜在研究方向。